基于相似度综合计算的本体映射方法的研究.docVIP

基于相似度综合计算的本体映射方法的研究 　　摘要：语义异构问题已成为目前异构数据集成领域的研究热点，本体由于其自身的优势而被用于解决语义异构。该文讨论了基于相似度的本体映射方法，着重介绍了基于语法距离、基于WordNet语义字典以及基于结构的相似度计算，最后提出了本体映射生成算法，旨在解决语义异构中本体映射问题。 　　关键字：语义异构；本体；相似度计算 　　中图分类号：TP311 文献标识码：A文章编号：1009-3044(2009)04-0841-03 　　The Research of Ontology Mapping Method Based on Composite Computing Similarity 　　LI Jia-qiang,YAN Nan-nan 　　(Shanghai Maritime University College of Information Engineering,Shanghai 200135,China) 　　Abstract: Semantics heterogeneity has been a hot research spot in recent data integration field.Ontology has been used for solving semantics owing to its strengths.Firstly,the paper discusses ontology mapping method based on similarity.Secondly,computing similarity based on grammar distance,Wordnet semantics dictionary and structure is mainly introduced.At last,the algorithm of producing ontology mapping is put forward,aimed to solve the problem of ontology mapping in semantics heterogeneity. 　　Key words:semantics heterogeneity;ontology;computing similarity 　　1 本体映射概述 　　本体映射是指本体间存在语义级的概念关联，通过语义关联，实现将源本体的实例映射到目标本体的过程[1]。本体映射是语义Web、语义数据搜索、数据集成等研究中的重要方法，也是本体融合、本体集成、本体翻译等技术的基础。在基于本体的异构数据集成中，本体映射是解决语义异构问题的关键。本体之间的映射主要包括1:1、1:n、n:1、1:null、null:1和n:m共6种映射模型[2]。目前的映射方法能处理的映射类型非常有限，大多数研究都集中于1:1的映射模型。对于1:1的映射，有以下定义：当本体О1中的第i个元素与本体О2中的第j个元素的相似度Sim(e1i,e2j)大于某个设定的阈值时，称这两个元素之间符合映射关系map(e1i)=e2j。综上，可以看出本体映射过程实际上就是找到元素i，j之间所有的元素映射关系并进行映射和转换的过程。 　　2 本体映射的研究现状 　　目前国内外在本体映射领域已经有了一些具体的映射方法和系统。例如，Karlsruhe大学开发的MAFRA系统[3]包括了映射的发现、表达和执行的映射框架。由清华大学的唐杰等人基于贝叶斯决策理论提出的RiMOM映射模型[4]，将映射发现问题转换成最小风险问题，提供了一个多策略的本体映射方法。 　　3 本体相似度的计算 　　在本体之间建立语义关联，实现本体映射，关键在于发现相同或者相似的元素间的映射关系。相似度计算便成为本体映射中发现映射关系的重要方法。 　　3.1 基于语法距离的相似度计算 　　基于语法的相似度计算方法针对本体的概念、属性的语法特征进行计算相似度。基于语法的相似度计算易于实现，适用范围广。由于概念的名称，属性名称等都是字符串在具体实现上，采用基于编辑距离(Edit Distance)的方法[5]。算法实现如下： 　　算法1：编辑距离的动态规划算法 　　Function EditDistance(str1,str2); 　　输入：字符串str1和str2 　　输出：字符串str1和str2之间的编辑距离edit (str1 ,str2) 　　设字符串str1和str2的长度分别为n,m。 　　If(n=0) return m and exit; 　　If(m=0) return n and exit. 　　构造二维数组d[m+1][n+1]。